CN105426888A

CN105426888A - 一种基于Radon变换的车牌倾斜角度矫正方法

Info

Publication number: CN105426888A
Application number: CN201510772814.1A
Authority: CN
Inventors: 胡晓芳
Original assignee: SICHUAN HAOTEL TELECOMMUNICATIONS CO Ltd
Current assignee: SICHUAN HAOTEL TELECOMMUNICATIONS CO Ltd
Priority date: 2015-11-12
Filing date: 2015-11-12
Publication date: 2016-03-23

Abstract

一种基于Radon变换的车牌倾斜角度矫正方法，涉及车辆号牌识别领域，目的在于对识别的倾斜的号牌进行矫正，包括以下步骤：用edge函数计算图像的边缘二值图像，检测出原始图像中的直线；计算边缘图像的Radon变换，对每一个象素为1的点进行0-179度方向上分别做投影，计算边缘图像的Radon变换，显示变换效果图；检测出Radon变换矩阵中的峰值，这些峰值对应原始图像中的直线，Radon变换矩阵中的这些峰值的列坐标θ就是与原始图像中的直线垂直的直线的倾斜角度，直线的倾角为90-θ。

Description

一种基于Radon变换的车牌倾斜角度矫正方法

技术领域

本发明涉及图像处理技术领域，特别涉及一种基于Radon变换的车牌倾斜角度矫正方法。

背景技术

最近十多年，随着平安城市项目的推广，国内各级城市在路面街道安装了大量监控摄像机，协助公安办案破案。同时，随着机动车的大量普及，涉案机动车信息也成为了案件的重要线索。

通过已建的天网摄像机，对路面的机动车进行自动化检测识别，能够为公安带来极大的便利，提供丰富的数据来源。

但是，路面的摄像机，安装位置大都在路边，对机动车的拍摄存在一个角度，就会造成照片中机动车的号牌出现一个倾斜。在自动化识别时，软件就需要对该倾斜的号牌进行矫正。

发明内容

本发明的目的在于提供一种在自动化识别时，软件就需要对该倾斜的号牌进行矫正的方法。

本发明为解决上述技术问题，提供以下技术方案：

一种基于Radon变换的车牌倾斜角度矫正方法，其特征在于，包括以下步骤：

步骤1、用edge函数计算图像的边缘二值图像，检测出原始图像中的直线；

步骤2、计算边缘图像的Radon变换，对每一个象素为1的点进行0-179度方向上分别做投影，计算边缘图像的Radon变换，显示变换效果图；

步骤3、检测出Radon变换矩阵中的峰值，这些峰值对应原始图像中的直线，Radon变换矩阵中的这些峰值的列坐标θ就是与原始图像中的直线垂直的直线的倾斜角度，直线的倾角为90-θ。

Radon变换包括以下步骤：

二元函数f(x,y)的投影是在某一方向上的线积分，f(x,y)在垂直方向上的线积分是f(x,y)在x方向上的投影，在水平方向上的线积分是在y方向上的投影，沿y'方向的线积分是沿x'方向上的投影，投影沿任意角度进行，通常f(x,y)的Radon变换是f(x,y)平行于y’轴的线积分，格式如下：

其中

综上所述，由于采用了上述技术方案，本发明的有益效果是：

本系统基于Radon变换理，对号牌图像进行倾斜矫正，提高号牌识别准确率。

附图说明

本发明将通过例子并参照附图的方式说明，其中：

图1是边缘图；

图2是矫正后所得图像；

图3是矩形函数在水平垂直方向和沿θ角方向的投影。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。

一条直线沿它的法线方向投影所得的投影最长，而沿与其平行方向投影则所得的投影最短。Radon变换理论就是这样一种投影理论。用这种方法可以检测图像中的直线。

Radon变换的定义：二元函数f(x,y)的投影是在某一方向上的线积分，例如f(x,y)在垂直方向上的线积分是f(x,y)在x方向上的投影，在水平方向上的线积分是在y方向上的投影，沿y'方向的线积分是沿x'方向上的投影。投影可沿任意角度进行，通常f(x,y)的Radon变换是f(x,y)平行于y’轴的线积分，格式如下：

其中

Radon变换与计算机视觉中的Hough变换很相似，我们可以利用Radon变换来检测图像中的直线的倾斜角度。利用Radon变换检测直线倾斜角度的具体步骤为：

(1)用edge函数计算图像的边缘二值图像，检测出原始图像中的直线。

(2)计算边缘图像的Radon变换，对每一个象素为1的点进行运算(0-179度方向上分别做投影)其命令格式如下：

theta＝0:179；

[r,xp]＝radon(bw1,theta)；％计算边缘图像的Radon变换

figure,image(theta,xp,r)；％显示变换效果图

(3)检测出Radon变换矩阵中的峰值，这些峰值对应原始图像中的直线。Radon变换变换矩阵中的这些峰值的列坐标θ就是与原始图像中的直线垂直的直线的倾斜角度，所以图像中直线的倾角为90-θ。

图像倾角矫正具体程序实现如下：

首先事件是指从客户端页面(浏览器)由用户操作触发的事件，Struts使用Action来接受浏览器表单提交的事件，这里使用了Command模式，每个继承Action的子类都必须实现一个方法execute。

struts重要的表单对象ActionForm是一种对象，它代表了一种应用，这个对象中至少包含几个字段，这些字段是Jsp页面表单中的input字段，因为一个表单对应一个事件，所以，当我们需要将事件粒度细化到表单中这些字段时，也就是说，一个字段对应一个事件时，单纯使用Struts就不太可能，当然通过结合JavaScript也是可以转弯实现的。

Struts是一个基于SunJ2EE平台的MVC框架，主要是采用Servlet和JSP技术来实现的。Struts把Servlet、JSP、自定义标签和信息资源(messageresources)整合到一个统一的框架中，开发人员利用其进行开发时不用再自己编码实现全套MVC模式，极大的节省了时间，所以说Struts是一个非常不错的应用框架。

使用说明

流程说明

1.调用LPR_SetImageFormat设置识别图像格式。此函数在调用LPR_InitEx之前进行设置。

2.调用LPR_InitEx初始化核心库。

3.调用LPR_SetPlateType设置识别的车牌类型。此函数在调用LPR_InitEx之后调用LPR_FileEx之前调用。

4.调用LPR_SetSpecialParameters设置夜间模式、识别阈值、省份默认值、单张图片识别的车牌个数。此函数在调用LPR_InitEx之后，调用LPR_FileEx之前调用。

5.调用LPR_FileEx识别图片。这个函数在识别图片时可循环调用。

6.程序退出时调用LPR_UninitEx卸载核心库。

接口函数说明

LPR_SetImageFormat设置图像格式

BOOLWINAPILPR_SetImageFormat(

BOOLbMovingImage,BOOLbFlipVertical,intnColorOrder,

BOOLbVertCompress,intnMinPlateWidth,intnMaxPlateWidth,

BOOLbDwordAligned,BOOLbInputHalfHeightImage,

BOOLbOutputSingleFrame,intnChannel＝1)；

bMovingImage[in]：识别运动或静止图像；

bFlipVertical[in]：是否上下颠倒图像后识别；

nColorOrder[in]：图像格式；

bVertCompress[in]：是否垂直方向压缩一倍识别；

nMinPlateWidth[in]：最小车牌宽度，以像素为单位；

nMaxPlateWidth[in]：最大车牌宽度，以像素为单位；

bDwordAligned[in]：是否四字节对齐；

bInputHalfHeightImage[in]：是否输入场图像；

bOutputSingleFrame[in]：是否只输出一个识别结果；

nChannel[in]：通道号。

此函数在调用LPR_InitEx之前进行设置，函数调用成功返回TRUE，否则返回FALSE。LPR_SetPlateType设置识别车牌类型

BOOLWINAPILPR_SetPlateType(BOOLbYellow2,BOOLbIndivi,

BOOLbArmPol,BOOLbArmy2,BOOLbTractor,intnChannel＝1)；

bYellow2[in]:是否识别双层黄牌；

bIndivi[in]:是否识别个性化车牌；

bArmPol[in]:是否识别军牌；

bArmy2[in]:是否识别双层军牌；

bTractor[in]:是否识别农用车牌；

nChannel[in]:通道号。

此函数在调用LPR_InitEx之后进行设置，函数调用成功返回TRUE，否则返回FALSE。LPR_SetSpecialParameters

设置夜间模式、、识别阈值识别阈值、、省份默认值省份默认值、、识别车牌个数识别车牌个数

BOOLWINAPILPR_SetSpecialParameters(BOOLbNight,

intnImageplateThr,intnImageRecogThr,intnPlatesNum,

char*LocalProvince,intnChannel＝1)；

bNight[in]：是否是夜间模式；

nImageplateThr[in]：车牌定位阈值。取值范围是0-9，默认为7；

nImageRecogThr[in]：车牌识别阈值。取值范围是0-9，默认为5；

nPlatesNum[in]：需要识别车牌的最多个数；

LocalProvince[in]：默认省份。可以为空值；

nChannel[in]：通道号。

此函数在调用LPR_InitEx之后进行设置，函数调用成功返回TRUE，否则返回FALSE。LPR_InitEx初始化识别库

BOOL__stdcallLPR_InitEx(intnChannel＝1)；

nChannel[in]：通道号。

函数调用成功返回TRUE，否则返回FALSE。

LPR_UninitEx卸载核心库

BOOL__stdcallLPR_UninitEx(intnChannel＝1)；

nChannel[in]：通道号。

函数调用成功返回TRUE，否则返回FALSE。

LPR_FileEx识别图片文件

BOOL__stdcallLPR_FileEx(char*lpszFileName,char*lpszPlateFile,

TH_PlateResult*pResult,int&nRecogNum,TH_RECT*prcRange,

intnChannel＝1)；

lpszFileName[in]：待识别图片的路径；

lpszPlateFile[in]：识别出的车牌的保存路径，如果该参数设为NULL则不保

存车牌图片；

pResult[in]：识别结果结构体；

nRecogNum[out]：实际识别到的车牌个数；

prcRange[in]:识别范围，(0,0,0,0)识别整张图片，以像素为单位；

nChannel[in]：通道号。

支持BMP、JPG、TIF图像格式，函数调用成功返回TRUE，否则返回FALSE。

LPR_RGB888Ex识别内存图像

int__stdcallLPR_RGB888Ex(unsignedchar*pImg,

intnWidth,intnHeight,TH_PlateResult*pResult,

int&nRecogNum,TH_RECT*prcRange,intnChannel＝1)；

pImg[in]：指向内存中图像的指针，格式为RGB888,YUV420,YUV422,

格式在LPR_SetImageFormat函数中指定。

nWidth[in]：图像的宽度，以像素为单位。

nHeight[in]：图像的高度，以像素为单位。

pResult[in]：识别结果结构体。

nRecogNum[out]：实际识别到的车牌个数。

prcRange[in]:识别范围，(0,0,0,0)识别整张图片，以像素为单位。

nChannel[in]：通道号。

识别连续视频内存图像和单张内存图像。函数调用成功返回TRUE，否则返回FALSE。分区识别图片方法

在使用函数LPR_UninitEx()识别图片前需要设置识别范围(参考3.6)，如

果需要分区识别，则需要根据照片的区域设置参数prcRange。

例如，分区识别以下照片的两个车牌，该照片的分辨率为1600X1200，分界线为600个象素(水平方向)。当识别闽DT7535时，将参数prcRange的值rcRange.left，rcRange.top，rcRange.right，rcRange.bottom设置为0，0，600，0。

当识别闽DGE983时，将参数prcRange的值rcRange.left，rcRange.top，

rcRange.right，rcRange.bottom设置为600，0，1600，0。只需要对两个水平参数rcRange.left，rcRange.right进行设置，不需要设置垂直方向的两个参数rcRange.top，rcRange.bottom。以上方法同样适合于函数LPR_RGB888Ex()，对内存图像进行分区识别。

Claims

1.一种基于Radon变换的车牌倾斜角度矫正方法，其特征在于，包括以下步骤：

2.根据全要求1所述的一种基于Radon变换检测直线倾斜角度，其特征在于：Radon变换包括以下步骤：

R_{θ} (x^{'}) = {&Integral;}_{\infty}^{+ \infty} f (x^{'} c o s θ - y^{'} s i n θ, x^{'} \sin θ + y^{'} c o s θ) {dy}^{'} - - - (3.13)

其中

[\begin{matrix} x^{'} \\ y^{'} \end{matrix}] = [\begin{matrix} c o s θ & s i n θ \\ - s i n θ & \cos θ \end{matrix}] [\begin{matrix} x \\ y \end{matrix}] - - - (3.14) .